[发明专利]基于仿真目标亮线特征的视频SAR目标智能检测方法

说明书

本发明公开了一种基于仿真目标亮线特征的视频SAR目标智能检测方法，属于雷达技术领域。该方法包括如下步骤：将视频SAR的视频结果逐帧转换成图片，并进行分帧存储，选择训练背景图；对图像集进行灰度阈值处理，二值膨胀和最大连通域处理，去除每一帧中的亮线动目标部分，分离出成像所需的背景；确定影响运动目标成像结果的参量范围，并利用PFA成像技术对运动目标进行成像仿真；将运动目标成像结果和分离出来的背景进行融合，得到高逼真度的运动目标亮线图，构建深度学习所需要的样本集；将该样本集划分为训练集，并基于Faster RCNN的神经网络进行训练，对实测视频SAR数据进行动目标的检测。本发明构建的数据集具有实现简单，覆盖率全和逼真度高的特点。

技术领域

本发明涉及了一种基于仿真目标亮线特征的视频SAR目标智能检测方法，属于雷达技术领域。

背景技术

视频合成孔径雷达(Video Synthetic Aperture Radar,ViSAR)是一种高帧率的成像系统，通过对地面场景持续监控，达到连续成像结果，因此可有效的检测运动目标并进行目标的跟踪，相比较传统的SAR(Synthetic Aperture Radar,合成孔径雷达)优势明显，有很广阔的前景。但视频SAR在目标检测时，存在可检测的动目标速度范围偏大的缺陷，在检测速度较小的动目标时漏检率较高。

当雷达载频较低时，视频SAR动目标在成像结果中显示为一条亮线，相比较背景有明显的特征，因此提出用神经网络来检测运动目标亮线的方法。神经网络在目标检测上已经取得了很好的应用，但神经网路学习需要准备大量的训练样本集，以便网路熟悉需要检测目标的特点，提高动目标检测的准确度。

发明内容

针对实际的视频SAR系统样本量不足，且直接对动目标进行成像结果与实测数据的逼真度不高，在检测中存在检测不准确的情况，本发明提出了一种基于仿真目标亮线特征的视频SAR目标智能检测方法。

本发明为解决其技术问题采用如下技术方案：

一种基于仿真的高逼真度运动目标亮线特征样本库的视频SAR运动目标智能检测算法，包括以下步骤：

(1)对已有的视频SAR的视频结果逐帧转换成图片，并进行分帧存储，选取所需的背景图；

(2)对步骤(1)背景图的图像集进行灰度阈值处理，二值膨胀和最大连通域处理，去除每一帧中的动目标部分，分离出成像所需的背景；

(3)确定影响运动目标成像结果的参量范围，并通过遍历参数的方法，利用PFA成像技术对运动目标进行成像仿真，逼近实际情况下运动目标成像结果；

(4)通过设定动目标和背景杂波之间的信杂比，将动目标成像结果和分离出来的背景杂波进行融合，得到高逼真度的运动目标亮线图，构建深度学习所需要的样本集；

(5)基于构建的Faster RCNN训练样本集，进行网络训练；

(6)将已有的视频SAR实测数据作为测试集，利用Faster RCNN训练得到的检测器对视频SAR中的动目标进行检测。

步骤(2)中进行二值膨胀的步骤如下：

a)将灰度阈值处理之后的图像进行二值化处理；

b)观察二值化图像与预期目标，选取结构元素；

c)将结构元素与二值化图像进行卷积处理，并用最小值代替图像中该像素点的值，即将元素结构在图像中进行平移，若元素结构与图像有重叠就保留。

步骤(2)中所述最大连通域处理方法有二遍扫描法和种子填充法。

所述二遍扫描法包括如下步骤：